중국 오픈모델의 성능 수렴이 바꾸는 것: 수요 붕괴가 아니라 가치사슬 재배분

연결 맥락 이 글은 Kimi K3가 바꾼 AI 가격표의 후속편이다. 앞글이 한 모델의 가격·구조를 검증했다면, 이번 글은 중국 오픈모델 생태계 전체가 반도체·빅테크 가치사슬을 어떻게 재배분하는지, 그리고 미국 정책과 미중 갈등이 그 해석을 어떻게 바꾸는지로 확장한다. 반도체 강세론과 약세론의 진짜 쟁점, 반도체 적정 주가, 창신메모리 IPO와 메모리 가격 리스크와 함께 읽으면 좋다. 관련 허브는 AI HBM 허브와 Exclusive Analysis 허브다.

TL;DR

• 중국 오픈모델의 성능 수렴은 AI 수요 붕괴보다 가치사슬 재배분에 가깝다. 모델 API와 최첨단 GPU의 독점가치는 내려가고, 저렴해진 추론이 사용량을 늘려 메모리·스토리지·네트워크·전력·클라우드 유통의 가치는 오를 수 있다.
• 상대선호는 이렇게 갈린다. 한국 메모리는 삼성전자 > SK하이닉스, 미국 반도체는 마이크론·샌디스크 > 엔비디아, 빅테크는 메타·아마존 > 구글·마이크로소프트 > 순수 모델 사업자다. [Inference: 상대 판단]
• 중국 오픈모델은 지능 1단위당 연산·메모리 비용 하락을 입증했다. 총 실리콘 지출 감소는 입증하지 못했다. TSMC는 오히려 2026년 CAPEX를 520억-560억달러에서 600억-640억달러로 올렸다.
• CXMT는 HBM에서 선두 3사와 제품 기준 1.5-2세대, 상업화 기준 2-3년 차이가 난다. 따라서 2028년 위협은 현재의 공급 충격이 아니라 조건부 옵션이다.
• 중국 모델의 기술 확산과 중국 API 사업자의 매출 확산은 별개다. 가장 현실적인 경로는 중국 모델을 AWS·Azure나 기업 VPC에 재호스팅해 서구의 보안·계약 체계로 파는 것이다. [분석 목적]

1. 먼저 사실부터 확인한다

생태계 방향은 맞지만 모든 신규 모델의 학습 하드웨어가 공개된 것은 아니다. 이 구분이 중요하다.

DeepSeek-V3는 2,048개의 엔비디아 H800과 278.8만 GPU시간으로 학습됐다. [Fact: DeepSeek V3 기술보고서] H800은 수출 제한형이지만 저가 소비자 GPU는 아니다. 반면 Kimi K3는 2.8조 파라미터, 100만 토큰 컨텍스트와 K2 대비 2.5배 높은 확장 효율을 공개했지만, 전체 기술보고서와 학습 하드웨어는 7월 27일 공개 예정이다. [Fact: Kimi 공식 발표]

따라서 “Kimi K3도 저가 엔비디아 GPU로 학습했다"는 아직 확정할 수 없다. [Blocked]

효율 개선은 실재한다

DeepSeek V4-Pro는 1.6조 파라미터 중 490억개만 활성화한다. 100만 토큰 구간에서 V3.2 대비 토큰당 연산량은 27%, KV 캐시는 10% 수준이다. [Fact: DeepSeek V4 모델카드] 성능을 유지하면서 토큰당 GPU·HBM 사용량을 크게 줄일 수 있다는 직접 증거다.

그러나 반대편도 실재한다

화웨이 CloudMatrix384는 384개 Ascend 910C를 묶어 DeepSeek-R1을 서빙한다. JPMAM 집계상 CloudMatrix는 HBM 49TB와 전력 599kW를 쓰는 반면, 비교 대상인 GB300 NVL72는 각각 21TB와 145kW다. [Fact: CloudMatrix 논문, JPMAM 비교자료]

완전히 같은 성능 비교는 아니지만 중국이 약한 단일 칩을 더 많은 칩·메모리·전력으로 보완하는 방향은 분명하다. 저렴한 개별 칩이 반드시 적은 실리콘·네트워크·전력을 뜻하지 않는다. [Inference: 구조 해석]

2. 핵심 방정식: 무엇을 봐야 하나

이 논쟁의 답은 벤치마크 점수가 아니라 두 개의 식에 있다.

총 연산 수요 = 전체 토큰 수 × 토큰당 연산량

총 메모리 수요 = 전체 토큰 수 × 토큰당 메모리 사용량
              + 모델·KV·검색 데이터 저장량

오픈모델이 토큰 가격을 70% 낮추고 사용량을 5배 늘리면 효율 개선에도 총수요는 증가한다. 반대로 사용량이 2배 늘어나는 동안 토큰당 HBM이 70% 감소하면 HBM 수요는 줄어든다.

그래서 앞으로 봐야 할 지표는 하나로 압축된다. 토큰 증가율이 토큰당 메모리 감소율을 얼마나 웃도는가.

현재까지의 판정

총지출은 다음 식으로 결정된다.

총 실리콘 지출 = 학습 횟수 × 회당 비용
              + 추론 토큰 수 × 토큰당 비용

TSMC는 2Q26 콜에서 2026년 CAPEX를 520억-560억달러에서 600억-640억달러로 올렸다. 마이크로소프트도 추론 처리량을 40% 높였지만 대형 고객 토큰 사용은 전분기 대비 30% 증가했고, 2026년 CAPEX 약 1,900억달러를 유지했다. [Fact: TSMC 2Q26 콜, MSFT FY26 3Q 콜]

현재까지는 사용량 증가가 효율 향상을 이기고 있다. [Inference: 데이터 종합]

3. 반도체 영향: 종목별로 갈린다

왜 삼성이 하이닉스보다 상대 우위인가

같은 메모리 3사인데 삼성전자와 SK하이닉스의 방향이 갈린다. 저가 추론과 오픈모델 확산은 HBM만 늘리는 것이 아니라 서버 DRAM·NAND·범용 메모리 총량을 늘린다. 노출이 넓은 삼성전자가 이 확산을 더 많이 받는다.

반대로 MoE와 KV 압축은 토큰당 HBM을 줄인다. HBM 순수 노출이 강한 하이닉스는 토큰 증가의 수혜와 토큰당 HBM 감소의 부담을 동시에 받는다. 절대 수요보다 희소성 멀티플이 먼저 압박받는 구조다. [Inference: 노출 구조 분석]

다만 삼성전자에는 반대편 위험도 있다. CXMT의 범용 DRAM 증산에 가장 먼저 노출된다.

엔비디아와 H200

최근 미국이 중국에 H200을 제한적으로 출하하기 시작했지만 물량은 아직 작다. 단기 엔비디아 매출에는 긍정적이지만, 화웨이 중심의 국산 인프라 전환을 되돌릴 정도는 아니다. [Fact: 2026년 7월 로이터 보도] [Inference: 영향 판단]

4. 빅테크 영향

메타는 흔한 오해와 달리 최대 피해자가 아니다. 모델 판매보다 광고·추천으로 돈을 벌고 오픈모델을 비용 절감에 활용하므로 상대 수혜 가능성이 있다. 부담은 CAPEX와 감가상각 쪽이다. [Inference: 사업모델 분석]

2025년 DeepSeek 충격의 교훈

2025년 DeepSeek 충격 당시 엔비디아는 하루 17%, 약 5,930억달러의 시가총액을 잃었다. 최초 반응은 GPU·전력·데이터센터 인프라 전체 매도였지만 곧 일부 반등했다. [Fact: 2025년 시장 보도]

이번에도 단기 주가는 효율성 공포, 중기 실적은 사용량 증가에 반응할 가능성이 크다. [Inference: 과거 패턴]

5. 중국 오픈모델 논지 판정

강세·약세 양쪽에서 나오는 주장들을 하나씩 판정하면 이렇다.

마지막 항목이 특히 자주 오용된다. 학습 비용과 인프라 총투자는 비교 대상이 아니다.

6. CXMT의 HBM은 지금 어디까지 왔나

중국 위협을 논할 때 가장 자주 과장되는 부분이다. 관문별로 나눠 보면 실체가 드러난다.

CXMT 공식 공개 제품군에는 2026년 7월 17일 현재 DDR5·LPDDR5/5X·DDR4·LPDDR4X만 있고 HBM은 없다. TrendForce도 CXMT의 HBM3를 초기 검증 단계로 분류하며, 기술 장벽과 국산 장비 사용 조건이 양산을 지연시킨다고 평가한다. [Fact: CXMT 공식 자료, TrendForce]

캐파 추정도 엇갈린다. 월 24만장 부근 정체와 연말 35만장 전망이 충돌하는데, 35만장은 회사 가이던스가 아닌 민간 모델이므로 확정값으로 쓰기 어렵다. [Blocked]

레거시 DRAM 가설을 이렇게 고쳐야 한다

• 2026-2027년: CXMT의 HBM 투자는 중국산 레거시 DRAM의 공급 완화를 늦춘다.
• 2028년: HBM3/3E가 중국 가속기 고객 인증과 의미 있는 물량을 확보하면 중국 내 구형 HBM 시장부터 대체할 수 있다.
• 2029년 이후: HBM4, base die, 패키징 수율까지 따라와야 글로벌 선두시장과 하이닉스의 이익률을 직접 압박한다.

즉 “CXMT 때문에 당장 레거시가 더 부족해진다"보다 “CXMT가 예상만큼 레거시 공급을 풀어주지 못한다”가 더 타당하다. [Inference: 단계별 판단]

7. 미국 정책은 이 해석을 어떻게 바꾸나

미국은 AI를 상업 기술보다 동맹권의 핵심 인프라로 다루고 있다. 이것이 순수 기술 분석만으로는 답이 안 나오는 이유다.

미국의 AI Action Plan과 행정명령 14320은 하드웨어·클라우드·네트워크·모델·애플리케이션을 묶은 미국산 AI 스택을 동맹국에 수출하고 적대국 기술 의존도를 낮추겠다고 명시했다. 중국 모델이 성능과 가격에서 우수해도 동맹국의 정부조달·핵심산업에서는 미국 스택이 정책적 우위를 갖는다. [Fact: White House AI Action Plan, EO 14320]

다만 완전한 디커플링은 아니다

미국 BIS는 2026년 1월 H200·MI325X의 대중 수출을 승인 고객과 보안 요건 아래 건별 심사하도록 했다. 중국을 미국 칩 생태계에 일부 남겨두면서 통제권을 유지하려는 절충이다. [Fact: BIS 2026-01-13]

미국 민간기업의 중국 모델 사용이 전면 금지된 것도 아니다. No DeepSeek on Government Devices Act는 아직 발의 단계다. 그러나 호주 정부는 정부 시스템에서 DeepSeek 제거를 지시했고, 이탈리아 개인정보 당국은 이용자 데이터 처리를 제한했다. [Fact: 각국 공식 조치]

법률보다 조달·보안 부서의 사실상 금지가 먼저 작동할 가능성이 크다. [Inference: 정책 작동 순서]

8. 중국 모델 API를 서구 엔터프라이즈가 쓸 수 있나

경로별로 확산 가능성이 완전히 다르다. 이 표가 질문의 답이다.

가장 현실적인 경로는 이렇다.

중국 모델 개발
→ AWS·Azure 또는 기업 VPC에 재호스팅
→ 서구의 보안·계약·감사 체계로 판매

즉 중국 모델의 기술 확산과 중국 API 사업자의 매출 확산은 별개다. [Inference: 경로 분석]

직접 API의 한계

DeepSeek의 개인정보처리방침은 입력 데이터를 포함한 개인정보를 중국에서 직접 수집·처리·저장하고, 서비스와 모델 개선에 사용할 수 있다고 밝힌다. [Fact: DeepSeek Privacy Policy] 소스코드, 고객정보, 의료·금융 데이터, 수출통제 기술을 다루는 기업에는 치명적인 조건이다.

Qwen은 조금 다르다. Alibaba Cloud Model Studio는 미국·독일·일본·싱가포르 리전을 제공하고, 데이터와 추론을 특정 지역에 제한할 수 있으며 고객 데이터를 모델 학습에 사용하지 않는다고 명시한다. [Fact: Alibaba Cloud 지역·보안 정책] 따라서 비규제 산업과 동남아·중동·중남미에서는 직접 API 채택이 늘 수 있다.

다만 데이터 현지화와 SOC 2가 미중 갈등에 따른 서비스 중단·제재·조달 위험까지 없애주지는 않는다. [Inference: 잔존 위험]

9. 테시스 수정: 무엇이 바뀌고 무엇이 남나

첫째, 미국 하이퍼스케일러 붕괴 논리는 약해진다. AWS와 Azure가 DeepSeek를 직접 호스팅하면서 데이터 격리, SLA, 보안 평가를 제공한다. 중국 모델의 비용 혁신을 미국 클라우드가 흡수해 매출화할 수 있다. [Fact: AWS·Azure 공식 발표]

둘째, 가격 압박은 폐쇄형 모델 API에 먼저 온다. OpenAI·앤스로픽·구글의 토큰 가격과 마진에는 부담이지만, 추론량과 AWS·Azure 사용량은 늘 수 있다. 메타의 오픈모델 전략에는 상대적으로 유리하다.

셋째, 미중 분리는 총 인프라 투자를 지지한다. 양 진영이 가속기·메모리·네트워크·전력망을 중복 구축한다. 효율 개선이 글로벌 실리콘 지출 감소로 직결될 가능성이 낮아진다.

넷째, SK하이닉스 HBM 프리미엄은 동맹권에서 더 오래 유지될 수 있다. CXMT HBM은 중국 가속기와 중국 데이터센터부터 침투할 가능성이 높다. 서구 CSP 채택에는 기술 인증 외에 정책·공급망 인증이 추가된다. 다만 수출통제는 중국의 자립투자를 가속하므로 2028년 이후 중국 내 점유율에는 위험이다.

다섯째, 삼성전자는 상대적 헤지다. 저가 추론과 오픈모델 확산은 HBM뿐 아니라 서버 DRAM·NAND·범용 메모리 총량을 늘릴 수 있다. 반대편에는 CXMT의 범용 DRAM 증산에 가장 먼저 노출되는 위험이 있다.

10. 피해와 수혜의 순서

1. 최대 피해: 폐쇄형 모델 API의 초과이익, 레버리지가 큰 GPU 임대사업자
2. 중간 위험: 오라클 등 대규모 선투자·고객 집중 사업자
3. 메타: 최대 피해자가 아니다. 오픈모델을 비용 절감에 활용하므로 상대 수혜 가능성. 부담은 CAPEX와 감가상각
4. 엔비디아: 단기 EPS보다 멀티플과 제품 믹스가 먼저 압박받는다. 중국 내 대체는 위험하지만 CUDA·네트워크·전력효율·개발기간 해자는 남는다
5. 메모리: HBM 절대수요 감소보다 HBM 희소성 프리미엄 축소 + DDR/CXL/eSSD로 계층 확장이 기본 시나리오

11. 시나리오 업데이트

반도체 적정 주가에서 쓴 확률을 잠정 조정하는 것이 타당하다.

중국 모델의 성능은 AI 수요 자체가 사라질 가능성을 낮춘다(단락 10%에서 5%로). 대신 효율 개선과 중국산 하드웨어는 엔비디아·HBM의 희소성 프리미엄을 낮춘다(정상화 20%에서 25%로).

시간축 시나리오도 유지 가능하다. 2027년까지 사용량이 효율을 이김 70%, 2028년 이후 믹스·가격 정상화 25%, 총 CAPEX 수축 5%다. 다만 70% 시나리오의 동력이 단일 글로벌 생태계가 아니라 미국권과 중국권의 이중 투자로 바뀐다. [Inference: 시나리오 재조정]

12. 무엇을 확인하면 판단을 바꾸나

• Kimi K3 기술보고서(7월 27일): 학습 하드웨어가 공개되면 “저가 GPU로 프런티어 학습” 명제의 진위가 갈린다
• 토큰 증가율 대 토큰당 메모리 감소율: 두 값의 차이가 이 논쟁의 실제 답
• CXMT HBM3E 양산 인증과 실제 패키징 물량: 확인되면 하이닉스 2028 EPS와 멀티플을 함께 낮춰야 한다
• HBM 가격·탑재량 둔화: 희소성 프리미엄 축소의 첫 신호
• 서구 CSP의 중국 모델 재호스팅 확대: 클라우드 유통 가치 상승의 증거
• 미국 조달·보안 규제의 실제 집행: 법률보다 먼저 작동하는 사실상 금지의 범위

지금은 터미널 리스크와 당기 실적을 섞을 단계가 아니다. CXMT의 HBM3E 양산 인증이 확인될 때 하이닉스의 2028년 이후를 조정하면 된다. [Inference: 판단 순서]

마무리

질문으로 돌아가면 답은 이렇다.

중국 오픈모델이 미국 프런티어에 수렴하는 것은 사실이고, 지능 1단위당 비용이 급락한 것도 사실이다. 그러나 그것이 총 실리콘 지출 감소를 뜻하지는 않는다. TSMC의 CAPEX 상향과 마이크로소프트의 토큰 30% 증가가 현재까지의 답이다.

미국 정책은 이 해석을 크게 바꾼다. 미중 분리는 양 진영의 중복 투자를 낳아 총 인프라 수요를 지지하고, 동맹권에서는 미국 스택과 한국 메모리의 자리를 정책적으로 보호한다.

중국 모델 API의 서구 엔터프라이즈 도입은 모델과 사업자를 분리해서 봐야 한다. 기술은 오픈웨이트로 확산되지만, 그것을 파는 주체는 중국 API 사업자가 아니라 AWS·Azure와 기업 VPC일 가능성이 높다.

그래서 결론은 재배분이다. 무너지는 것은 폐쇄형 모델 API의 초과이익이고, 남는 것은 사용량 기반 인프라다.

본 포스팅은 공개 논문(DeepSeek V3/V4, Huawei CloudMatrix384), 기업 공식 발표(Kimi, TSMC 2Q26 콜, Microsoft FY26 3Q 콜, CXMT, Alibaba Cloud, DeepSeek Privacy Policy), 미국 정부 자료(AI Action Plan, EO 14320, BIS), 각국 규제 조치, 시장 조사(TrendForce, JPMAM)를 종합한 분석 자료입니다. Kimi K3의 학습 하드웨어는 7월 27일 기술보고서 공개 전까지 미확인이며, CXMT의 캐파 추정치와 시나리오 확률은 작성 시점의 추정으로 회사 가이던스가 아닙니다. 언급된 종목은 가치사슬 구조를 설명하기 위한 예시이며 특정 종목의 매수·매도 권유가 아닙니다. 투자 판단과 책임은 투자자 본인에게 있습니다.

관련 포스팅

• Kimi K3가 바꾼 AI 가격표: Kimi Linear부터 HBM·빅테크 전략까지
• 반도체는 시크리컬인가, 적정 주가는 얼마인가
• 반도체 강세론과 약세론의 진짜 쟁점: 네 개의 실물 시계와 하나의 주가 시계
• 창신메모리 IPO와 메모리 가격 리스크: HBM 리스크와 클라이언트 DRAM 리스크를 분리해야 한다
• HBM 2030 수급 딥리서치: 26.7EB 수요 모델을 해부하고 증설 일정과 교차검증한다